MétaCan
Menu
Retour à la cohorte
Enregistrement W4414447397 · doi:10.1016/j.gloenvcha.2025.103068

Mitigation deterrence and unrealistic expectations: the future costs of forest carbon offsets

2025· article· en· W4414447397 sur OpenAlex
Camilla Moioli, Laurent Drouet, Dominik Röeser, Johannes Emmerling, Hisham Zerriffi

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueGlobal Environmental Change · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesHORIZON EUROPE Reforming and enhancing the European Research and Innovation systemUniversity of British Columbia Graduate SchoolInternational Institute for Applied Systems AnalysisUniversity of British Columbia
Mots-clésGreenhouse gasReducing emissions from deforestation and forest degradationClimate change mitigationClimate changeCarbon offsetGlobal warmingRenewable energyCarbon taxDeforestation (computer science)

Résumé

récupéré en direct d'OpenAlex

• Forest offsets decrease carbon prices but deter renewables, carbon capture, and innovation. • Forest-sink losses raise mitigation costs up to 0.5 percentage points versus no offsets. • Low-income regions face up to two percent higher costs when forest offsets fail. • Offset reliance creates moral hazard and undermines fair paths to net zero. This study examines the economic and societal impacts of using Forest Carbon Offsets (FCO) as a negative emissions technology in climate mitigation strategies. FCO includes afforestation, reforestation, and reduced emissions from deforestation and degradation (REDD) initiatives aimed at achieving global climate targets, such as limiting temperature rise to 2 °C by 2100. Despite their potential, challenges such as the impermanence of carbon storage, overestimation of carbon removal, and mitigation deterrence—where reliance on FCO reduces other climate actions—persist. Using the WITCH integrated assessment model, this study analyzes the effects of FCO on energy sector investments, carbon pricing, and mitigation costs under scenarios with perfect foresight, myopic behavior, and varying degrees of forest carbon loss (FCL). Results indicate that heavy reliance on FCO leads to mitigation deterrence, with renewable and carbon capture investments decreasing by 8.6 % and 31 %, respectively, while fossil fuel investments increase by 1 %. Scenarios with 100 % FCL by 2045 could increase global GDP loss by 0.5 percentage points, surpassing the costs of not using FCO. Non-OECD countries, more vulnerable with lower economic resilience, could face mitigation costs up to 1.7 percentage points higher than OECD countries in similar FCL scenarios, raising equity concerns in climate policy. This research underscores the need for careful FCO management, accurate carbon sequestration estimates, and equitable policy frameworks to prevent moral hazards and ensure effective climate action. Clear definitions of which emissions can be offset versus those requiring direct reduction are essential to prevent over-reliance on offsets and maintain a balanced mitigation approach.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil0,398

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,030
Tête enseignante GPT0,235
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle